交通控制及控制模型训练方法、装置、设备、介质及产品

本申请公开了一种交通控制及控制模型训练方法、装置、设备、介质及产品，应用于机器学习领域。本方法通过GPT‑4得到参考结果，然后以提高输出参考结果的概率作为训练目标，得到第二大语言模型。接着，以目标评论家模型评分越高的待定结果对应的输出概率越高作为训练目标，得到目标大语言模型。本方案，将大语言模型应用在交通控制场景中，使大语言模型模仿学习GPT‑4产生的高质量决策和推理轨迹，同时引入评论家模型指导大语言模型的策略优化，使其评估并改进大语言模型的控制决策。最终得到的目标大语言模型可以产生比GPT‑4更具成本效益且更有效的控制策略。